长江经济带采矿用地时空分异及驱动因素研究

罗世兴

(中国自然资源经济研究院，北京 101149)

矿山开采活动会改变地形地貌，破坏植被，压占损毁土地，容易引发地质灾害、生态环境等问题，加之矿地权利冲突和管理不协调等造成违法用地现象频出，节约集约利用水平偏低。长江经济带矿产资源开发利用在全国占据重要地位，部分区域资源开发和生态环境保护矛盾突出。《中国国土资源统计年鉴2017》数据显示，2016年长江经济带11个省(市)矿产资源开发利用工业总产值占全国的18.54%，就业人数占26.80%，矿山企业数量占44.87%。长江经济带共有102个资源型城市，占全国资源型城市总数的38.93%。2016年长江经济带采矿用地面积达到60.43万hm2，占全国的25.60%，而矿业开采累计占用、损坏土地面积由2009年的24.17万hm2增加到2016年的46.95万hm2，占全国的比重由9.63%提高到17.67%。《长江经济带发展规划纲要》提出了“生态优先、流域互动、集约发展”的发展思路。因此，摸清采矿用地规模、分布及驱动因素，合理、高效利用采矿用地将助力长江经济带的生态优先、绿色和集约发展。

1 研究现状

当前对矿业用地的研究集中在矿业用地概念辨析[1-2]、问题表现与原因探究[3-5]、取得与退出机制完善[6-8]、复垦修复模式总结[9-10]、国外经验借鉴[11-12]等方面，且大多停留在定性分析，定量分析较少。量化分析方面，郑娟尔等[13]对我国采矿占损土地影响因素的分析表明采掘业固定资产投资的增加起显著正向作用，当年及上一年治理总资金的增加会显著提高本年恢复治理面积；饶昕等[14]对资源型城市工矿用地退出影响因素的研究发现土地利用政策、第二产业、第三产业发展以及企业经济实力是影响工矿用地退出的关键因子；许文佳等[15]对阳泉市21个井工煤矿用地土地集约利用评价结果表明，煤炭资源的节约集约利用水平、损毁土地恢复情况、矿区资金投入、矿山土地开发秩序是主要影响因素；张冬妍等[16]研究发现湖北省工矿废弃地复垦利用潜力水平总体偏低，主要受地均产能提高量、复垦(耕地)空间集中连片度、农林牧渔业从业人员占比、地均GDP、地均财政总收入因素影响；杨波等[17]对花垣县铅锌矿采矿用地研究发现地质条件起决定性作用，经济社会因素是最直接、影响力最大的驱动力量，政策因素也起重要作用。通过上述研究可见，目前对全国及重点区域尺度上采矿用地时空分布及驱动因素的定量研究缺乏。本文运用基尼系数、不平衡指数分析长江经济带采矿用地时空变化，基于脱钩弹性分析其与矿业经济发展的关系，并探究其驱动因素，以期为长江经济带采矿用地管理提供参考。

2 模型数据

2.1 模型公式

2.1.1 基尼系数

基尼系数是用来度量收入分配公平程度的重要指标，被广泛应用于分析资源分布[18-19]。数值在0～1之间，数值越大，说明资源分配越不平均。本文运用基尼系数研究采矿用地与矿产资源开发利用工业总产值(以下简称“矿业产值”)的匹配度。参考联合国标准划分为五级：G<0.2，高度平均；0.2≤G<0.3，比较平均；0.3≤G<0.4，相对合理；0.4≤G<0.5，差距较大； 0.5≤G， 差距悬殊。参照孙才志等[20]研究， 利用梯形面积法计算基尼系数， 见式(1)。

(1)

式中：G为长江经济带采矿用地基尼系数；xi为采矿用地的累计百分比；yi为矿业产值的累计比例；i为地区数。

2.1.2 不平衡指数

借鉴城镇化不平衡指数，提出采矿用地-矿业产值不平衡指数，以定量化测度区域内采矿用地与矿业产值的协调程度，公式见式(2)。

(2)

式中：n为地区数；xi、yi分别为i地区采矿用地和矿业产值占长江经济带的比重。以xi为横坐标，yi为纵坐标。两者差异越小，点(xi，yi)越靠近y=x，说明两者相对平衡程度越高；反之，则越不平衡。点(xi，yi)与直接y=x的垂直距离，计算公式见式(3)。di的绝对值越小，说明第i地区采矿用地与矿业产值空间分布差异性越小。

(3)

2.1.3 脱钩模型

Tapio脱钩模型是当前研究资源消耗、碳排放与经济发展脱钩关系的主要方法，采用“弹性概念”动态反映变量间脱钩关系，公式见式(4)。

(4)

式中：e为脱钩弹性系数；Li、Yi分别为第i时期区域采矿用地面积和矿业产值。参照PETRI[21]、钟太洋等[22]的研究，将脱钩状态进行划分，见表1。

表1 脱钩状态划分标准Table 1 Decoupling state division standard

2.1.4 因素分解

区域采矿用地面积与用地效率、劳动产出等密切相关，考虑相关数据可得性、统计口径的一致性等因素，计算公式见式(5)。

(5)

式中：L、Li、Yi、Pi、Ei分别为长江经济带采矿用地总面积、第i个区域的采矿用地面积、第i个区域的矿业产值、从业人数、矿山企业个数；αi、βi、γi、δi分别为单位产值用地、单位劳动产出、企业平均就业规模、企业数量。

对数平均迪氏指数法(Logarithmic Mean Divisia Index，LMDI)是指数分解法的一种，具有多因素分解无残差的优势，被广泛应用于能源消耗、碳排放等因素分解研究[23-24]。假设t-1和t期长江经济带采矿用地规模分别为Lt和Lt-1，运用LMDI法将其变化量ΔL的计算见式(6)。

ΔL=Lt-Lt-1=ΔLα+ΔLβ+ΔLγ+ΔLδ

(6)

式中，ΔLα、ΔLβ、ΔLγ、ΔLδ分别为单位产值用地效应、单位劳动产出效应、企业平均就业规模效应、企业数量效应，计算公式分别为式(7)～式(10)。

(7)

(8)

(9)

(10)

2.2 数据来源及处理

本研究时期为2009—2016年。采矿用地面积数据来源自然资源部土地调查成果共享应用服务平台，目前提供了2009—2016年数据。矿产资源开发利用工业总产值、从业人员数量、矿山企业数来自于2010—2017年《中国国土资源统计年鉴》，由油气矿产、非油气矿产开发利用相应指标求和所得。为消除物价变动对产值的影响，按工业品出产价格指数(PPI)，以2009年为基期进行平减，其数据来自于《中国统计年鉴2018》。

3 时空分布演化

3.1 总体情况

2009—2016年，长江经济带采矿用地面积呈扩张趋势，由857.8万亩(1)1亩=666.67 m2。增加到906.4万亩，年均增长0.49%，占全国采矿用地总面积的比重由25.90%微降至25.59%。内部结构上，江苏省、云南省、江西省采矿用地面积居前三位，2016年三省分别占19.37%、15.71%和12.38%。安徽省和四川省采矿用地面积也均超过10%。上海市采矿用地面积最小，仅占0.03%。采矿用地面积变动上，江苏省、安徽省采矿用地面积减少最多，分别为8.6万亩和4.8万亩。四川省、贵州省、云南省和江西省采矿用地面积增加较多，分别为17.6万亩、9.7万亩、8.9万亩和4.4万亩。变动幅度上，江苏省比重下降最大，减少了1.66个百分点；安徽省次之，减少了0.90个百分点。四川省比重上升最大，增加了1.65个百分点；贵州省次之，增加了0.89个百分点；云南省排第三位，增加了0.47个百分点，见表2。

表2 2009—2016年长江经济带各省(市)采矿用地规模、结构及增速情况Table 2 Scale,structure and growth of mining land inthe Yangtze River Economic Belt from 2009 to 2016

长江经济带126个城市中，盐城市、连云港市、昆明市采矿用地面积排前三位，2016年分别为58.1万亩、53.4万亩和35.4万亩。上海市采矿用地面积最小，2016年仅为0.3万亩。面积分布上，大部分城市采矿用地面积在10万亩以下，由2009年的108个(85.71%)提高到110个(87.30%)。50万亩及以上，20万～50万亩的城市个数保持不变，分别为2个和6个。10万～20万亩的城市由2009年的10个减少到2016年的8个。采矿用地面积变化上，广安市、合肥市、盐城市采矿用地面积增加最多，分别为5.6万亩、4.5万亩和3.5万亩；徐州市、南京市、安庆市采矿用地面积减少最大，分别为2.4万亩、1.6万亩和1.5万亩。变化幅度上，广安市、泸州市、合肥市采矿用地面积增幅最大，分别增长为280%、126.32%和91.84%；上海市、苏州市、扬州市采矿用地面积减少幅度最大，分别减少了40%、29.73%和20%。

3.2 基尼系数

长江经济带采矿用地基尼系数在2009—2015年呈右偏的M形，2016年再次实现增长，总体保持在0.3～0.4的相对合理区间，未出现差距较大或悬殊情况，2016年仅比2009年提高了0.013，相应走势图和洛伦兹曲线见图1和图2。2010年基尼系数达到峰值，为0.380 9。2013年开始逐步下降，2015年达到最小值0.322 8，2016年提升到0.346 8。

图1 2009—2016年长江经济带采矿用地基尼系数和不平衡系数Fig.1 Gini coefficient and imbalance coefficient ofmining land in the Yangtze River Economic Beltfrom 2009 to 2016

3.3 不平衡指数

2009—2016年长江经济带采矿用地不平衡指数走势与基尼系数基本一致，总体保持在0.030～0.036区间，2016年仅比2009年提高了0.002，见图2。2010年达到最大，2014年达到最小，分别为0.035 4和0.030 2，2016年提升到0.033 6。

图2 2009年和2016年长江经济带采矿用地洛伦兹曲线Fig.2 Lorentz curve of mining land in the Yangtze River Economic Belt in 2009 and 2016

从距离平衡直线y=x的垂直距离di的大小来看，江苏省得分一直最高，处于0.08～0.11之间，且2016年达到0.103 7的最大值，说明其采矿用地面积贡献率远大于矿业产值贡献率，其采矿用地效率提升的潜力较大。相反，安徽省得分为最小(除2012年)，贵州省次之， 说明这两个省产值贡献率远大于用地面积贡献率，单位用地面积产出水平较高。上海市、湖北省、重庆市得分接近0，说明用地与产值贡献率较为匹配和平衡，差异性小。从各省(市)di绝对值的变化来看，浙江省逐年下降，贵州省从2012年开始逐步下降，说明这两个省用地和产值贡献率差异日益缩小，见表3。

表3 长江经济带各省(市)的di值Table 3 Values of di in the provinces and cities of the Yangtze River Economic Belt

4 脱钩关系分析

2009—2016年长江经济带采矿用地面积与矿产开发利用产值间的脱钩弹性系数为0.61，呈弱脱钩状态，说明矿业产值增长的同时，伴随着采矿用地面积的增加，还未进入强脱钩阶段。11个省(市)中，呈现脱钩和负脱钩的各有5个，扩张连接的1个(图3)。

图3 2009—2016年长江经济带采矿用地面积与矿业产值脱钩情况Fig.3 Decoupling between mining land area and miningoutput value in the Yangtze River Economic Beltfrom 2009 to 2016

浙江省、安徽省为强脱钩，在实现矿产开发利用产值增长的同时，采矿用地数量同步减少。其中，浙江省较为突出，其矿业产值增长62.72%，而采矿用地面积减少1.21%。江西省、湖北省、云南省呈弱脱钩。湖南省、重庆市、贵州省呈强负脱钩，矿业产值下降的同时，采矿用地规模却在增长，其中贵州省尤为突出。上海市、江苏省呈弱负脱钩。受益于页岩气等勘探开发，四川省是长江经济带中唯一呈扩张连接状态的省份，其矿业产值增长了24%，采矿用地面积也同步增长了23.59%。

5 驱动因素分解

5.1 逐年效应

从逐年作用看，单位劳动产出效应呈现W型走势，但其值始终为正，说明矿产开发劳动生产率一直是长江经济带采矿用地规模增长的主要因素。由于近年来单位用地产出水平在下降，单位产值用地规模的作用由负向转正向，成为采矿用地规模增加的驱动因素。企业平均就业人数在逐步减少，企业平均就业规模效应由正向转为负向，且负向作用不断增大；矿山企业数量不断减少，尤其是2013年开始更为明显，导致企业数量效应一直为负向，且2009—2013年负向作用不断增强(图4)。

图4 2009—2016年长江经济带采矿用地变化四大因素逐年效应Fig.4 Annual effects of four major factors of miningland change in the Yangtze River Economic Beltfrom 2009 to 2016

从各省(市)情况来看，各因素逐年效应差异较大。以2016年为例，单位产值用地规模作用最大的是江苏省(58.33万亩)，最小的是云南省(-23.03万亩)；单位劳动产值作用最大是云南省(-47.42万亩)，最小的是江苏省(-5.08万亩)；企业平均就业规模作用最大的江苏省(-24.57万亩)，最小的是上海市(-0.36万亩)；企业数量作用最大的是贵州省(10.05万亩)，最小的是江苏省(-29.28万亩)(图5)。

图5 2016年长江经济带各省(市)采矿用地变化四大因素逐年效应Fig.5 Annual effects of four major factors in the changesof mining land in the provinces and cities ofthe Yangtze River Economic Belt in 2016

5.2 累计效应

从累计效应看，7年间长江经济带采矿用地面积共增加30.6万亩，单位产值用地规模、单位劳动产值、企业平均就业规模、企业数量的作用分别为46.40万亩、621.58万亩、-111.97万亩和-525.40万亩。由此可见，单位劳动产出的提升是长江经济带采矿用地规模增加的最大驱动因素，单位从业人员产出由2009年的12.32万元逐年提高到2016年的25.54万元，年均增长10.97%，这主要得益于矿业经济的增长及从业人数的大幅减少；矿山企业平均就业人数在2014年及之前是第二大驱动因素，但2015年开始转为负数，成为抑制因素，主要是长江经济带矿山企业数量大量减少的同时，从业人数出现更大幅度的下降，使矿山企业平均从业人数由2009年的50人下降到2016年的40人；单位产值用地规模的作用阶段性特征明显，2012年之前是降低采矿用地面积的最大因素，2012—2014年为第二大抑制因素，2015年开始转为正值，成为第二大驱动因素。因为万元产值用地由2009年的0.260亩逐步下降到2011年的0.195亩，而后逐步提高到2016年的0.250亩，说明近年来单位用地产出水平有所下降；企业数量一直发挥着减少采矿用地规模的作用，尤其是2012年之后成为最大抑制因素，见图6。2016年，长江经济带矿山企业数量为35 277个，相比2009年减少了21 160个，其中，小型矿山企业数量减少了16 031个。 2016年长江经济带大中型企业、小型企业、小矿企业个数占比分别为10.38%、62.36%和27.26%，比2009年分别提高了3.65个百分点、14.53个百分点和下降18.19个百分点。

图6 长江经济带采矿用地变化四大因素累计效应Fig.6 Cumulative effect of four major factors of miningland change in the Yangtze River Economic Belt

从累计效应看，各因素在各省(市)中的作用不一。其中，单位产值用地规模作用最大的是江苏省(106.36万亩)，最小的是湖北省(-34.00万亩)；单位劳动产值作用最大的是云南省(96.56万亩)，最小的是上海市(0.41万亩)；企业平均就业规模作用最大的是安徽省(62.99万亩)，最小的是江苏省(-32.57万亩)；企业数量作用最大的是江苏省(-161.65万亩)，最小的是上海市(-0.61万亩)，见图7。

图7 截至2016年底长江经济带各省(市)采矿用地变化四大因素累计效应Fig.7 Cumulative effect of four major factors of miningland change in the provinces and cities of the YangtzeRiver Economic Belt by the end of 2016

6 结 论

1) 长江经济带采矿用地面积较大但增长较慢，面积增加主要来自上游地区，减少主要来自中下游的各省市。

2) 长江经济带采矿用地与矿业产值间匹配处于相对合理区间，且比较稳定。

3) 长江经济带采矿用地与矿业产值弹性呈弱脱钩状态，说明以较小幅度的采矿用地增长可以实现更大幅度矿业产值的增长。

4) 单位劳动产出的提高是长江经济带采矿用地扩张的最大因素，企业数量的减少是最大抑制因素，两者累计作用日益增强；单位产值用地和企业平均就业人数呈阶段性特征，前者是第二大驱动因素，后者是第二大抑制因素。

综上所述，为合理控制采矿用地规模，有效支撑长江经济带高质量发展，一方面要做好现有采矿用地的挖潜工作，提高采矿用地利用效率，降低单位矿业产值的用地规模，促进矿山企业规模化、集约化经营，减少小矿数量，重点是江苏省、云南省、江西省等采矿用地存量较大的地区；另一方面要控制好采矿用地增量，特别是处于长江经济带上游的四川省、贵州省和云南省等增长较快地区；再者，要严格矿山企业准入退出的环境门槛，加强采矿占用、损坏土地的复垦与修复。